ฉันกำลังทำงานกับไฟล์ที่มีบรรทัดคำหลักและบางบรรทัดมีคำหลักที่ซ้ำ
ตัวอย่างเช่น:
dangerous,dangerous,hazardous,perilous
ฉันต้องการบอก Notepad ++ ว่าฉันต้องการลบคำที่ซ้ำกันทุกบรรทัด สำหรับตัวอย่างนี้dangerous,จะถูกลบ:
dangerous,hazardous,perilous
ฉันมีหลายบรรทัดเช่นนั้นและนั่นคือเหตุผลที่ฉันกำลังมองหาวิธีอัตโนมัติในการทำเช่นนี้
คำตอบ:
คุณสามารถใช้นิพจน์ทั่วไปเพื่อลบคำที่ซ้ำกันติดกันในบรรทัด แต่ฉันไม่คิดว่าเป็นไปได้ที่จะลบคำที่ซ้ำซึ่งไม่ต่อเนื่องกัน (เช่นdangerous, hazardous, dangerous)
regex นี้จะลบคำซ้ำทั้งหมดติดต่อกัน - ไม่ว่าจะเป็น 2 คำซ้ำหรือ 10 \b(\w+)(?:,\s+\1\b)+คำซ้ำติดต่อกัน:
regex ที่ไม่ใช่เครื่องหมายจุลภาคที่แน่นอนจะเป็น: \b(\w+)(?:\s+\1\b)+(อาจเป็นประโยชน์สำหรับผู้ใช้รายอื่น)
หากคุณต้องการ regex เฉพาะเพียงสองคำที่ซ้ำกัน (คู่) ให้ใช้ regex (\b\w+\b)\W+\1นี้:
วาง regex นี้ในการแทนที่ด้วยกล่องเก็บหนึ่งเกิดขึ้นของคำว่า ${1}(มิฉะนั้นคำซ้ำทั้งหมดจะถูกลบออก):
นิพจน์ทั่วไปเหล่านี้จะแก้ไขสถานการณ์เช่นเดียวกับที่คุณอธิบายไว้ในคำถามของคุณเป็นตัวอย่าง regex แรกจะทำงานได้กับทุกคำที่ซ้ำกัน (เช่นdangerous, dangerous, dangerous, dangerous, hazardous) ในขณะที่รุ่นที่สองจะใช้ได้กับคำที่ซ้ำกันสองคำเท่านั้น (เช่นdangerous, dangerous, hazardous)
หมายเหตุ:การแสดงออกปกติจะนำไปใช้กับรูปแบบที่อธิบายไว้ในคำถามที่มีความหมายว่ารูปแบบเช่นtwo words, two words, anotherword, two-words, two-words, anotherword, three words expression, three words expression, anotherwordจะไม่เปลี่ยนแปลงเพราะ regex จะไม่นำไปใช้กับพวกเขา
(\b\w+\b)\W+\1สำหรับคำที่ซ้ำกันสองคำ ฉันจะแก้ไขคำตอบของฉัน เครื่องหมายจุลภาคคือสาเหตุที่ regex อื่นไม่ทำงาน
word, word, anotherwordคุณถาม: อย่างไรก็ตามคุณมีหลายกรณีที่แตกต่างกันเล็กน้อยเช่นcame across, came acrossและบางคำมี 3 หรือ 4 คำ นอกจากนี้ยังมีคำที่มีความ'เหมือนdon'tและมันทำให้สิ่งที่ซับซ้อนมากขึ้นในNotepad ++ ระบบ ระบบ regex Notepad ++ ค่อนข้างน่ารำคาญและ จำกัด เช่นกันดังนั้นการแก้ปัญหาคือใช้ regex ใน python (หรือภาษาอื่น) หรือสร้างนิพจน์ทั่วไปเฉพาะรูปแบบสำหรับ Notepad ++
นี่คือวิธีในการทำงานสิ่งนี้จะแทนที่คำที่ซ้ำกันทั้งหมดแม้ว่าจะไม่ต่อเนื่องกัน:
(?:^|\G)(\b\w+\b),?(?=.*\1)LEAVE EMPTY. matches newlineคำอธิบาย:
(?:^|\G) : non capture group, beginning of line or position of last match
(\b\w+\b) : group 1, 1 or more word character (ie. [a-zA-Z0-9_]), surrounded by word boundaries
,? : optional comma
(?=.*\1) : positive lookahead, check if thhere is the same word (contained in group 1) somewhere after
รับอินพุตเหมือน:
dangerous,dangerous,hazardous,perilous,dangerous,dangerous,hazardous,perilous
เราได้รับ:
dangerous,hazardous,perilous
dangerous,hazardous,dangerous,perilousอะไร ในคำอื่น ๆ คำที่ซ้ำกันอยู่ติดกันหรือไม่